CN109823228A - 面向楼宇负荷聚合商的电动汽车充放电方法及装置 - Google Patents
面向楼宇负荷聚合商的电动汽车充放电方法及装置 Download PDFInfo
- Publication number
- CN109823228A CN109823228A CN201811645079.8A CN201811645079A CN109823228A CN 109823228 A CN109823228 A CN 109823228A CN 201811645079 A CN201811645079 A CN 201811645079A CN 109823228 A CN109823228 A CN 109823228A
- Authority
- CN
- China
- Prior art keywords
- building
- electric car
- load
- power
- discharge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明涉及一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,其技术特点在于:包括以下步骤:步骤1、获取分布式电源、楼宇负荷、电动汽车参数;步骤2、获取分布式电源出力、楼宇负荷典型日内各时段数据和电动汽车出行数据;步骤3、对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行削峰填谷;步骤4、在电动汽车参与楼宇互动的时段内,以负荷聚合商支付费用最小为目标函数进行优化,并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置。本发明可以有效整合电动汽车等分散型资源,使其达到参与市场调节的容量门槛。
Description
技术领域
本发明属于电动汽车充放电策略技术领域,涉及电动汽车充放 电方法及装置,尤其是一种面向楼宇负荷聚合商的电动汽车充放电 方法及装置。
背景技术
近些年来,环境污染与能源紧缺问题成为公众日益关注的焦 点。电动汽车依靠自身电力驱动、无污染物排放等优点成为缓解上 述问题的最有效方式之一,很多国家纷纷推出电动汽车发展规划, 促进了电动汽车的快速发展。
由于电动汽车使用电能作为能源,以电池为能量载体,既可作 为负荷充电又可作为电源发电,因此可以通过电动汽车与楼宇互动 技术(V2B)实现对电动汽车充放电的精细化管理。
此外,现代楼宇内部包含分布式电源、固定储能及各种类型的 负荷,是配电网用户端的重要组成部分。楼宇采用先进的计算机控 制技术和管理软件来集成能量管理系统对这些资源进行管控,以有 效改善楼宇的能效、提高用电效率。未来电动汽车规模化普及之 后,楼宇内部大量停车场位置为电动汽车与智能楼宇进行能量互动 提供了空间场所,电动汽车充裕停留时间为能量互动提供了时间便 利。同时,电动汽车的接入提升了楼宇内部可调度资源容量,促使 智能楼宇通过能量管理系统合理分配资源,减少楼宇与配电网间的 能量流动,缓解电力供应的压力,具有重要的现实意义。
在此情景下,楼宇负荷聚合商这一角色应运而生。其可以作为 市场与用户的中间方参与电力市场交易中当中。
但现有的电动汽车充放电方法主要针对于整片区域,未具体到 某一特定地点及场所,对于充放电地点考虑过于笼统;另外,充放 电策略主要集中在削峰填谷等单一目标,未发掘更深层次的电动汽 车充放电价值。
发明内容
本发明的目的在于克服现有技术的不足,提出一种面向楼宇负荷聚合商的电 动汽车充放电方法及装置,能够达到在减少楼宇负荷峰谷差的前提下,负荷聚合 商的楼宇典型日负荷费用达到最小。
本发明解决其现实问题是采取以下技术方案实现的:
一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,包括以下步骤:
步骤1、获取分布式电源、楼宇负荷、电动汽车相关参数;
步骤2、获取分布式电源出力、楼宇负荷典型日内各时段数据,获取电动汽 车出行数据;
步骤3、对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行 削峰填谷,并判断是否符合约束条件,若符合,则得出最小峰谷差下的楼宇电动 汽车总充放电功率安排;若不符合,则用截线面积法重新削峰填谷;
步骤4、在电动汽车参与楼宇互动的时段内,以负荷聚合商支付费用最小为 目标函数进行优化,并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体 充放电车辆配置。
而且,所述步骤1的具体方法是:根据系统内分布式电源、楼宇负荷以及电 动汽车特性建立各自对应模型,获取相关参数:
(1)分布式电源光伏发电模型参数
光照强度的变化基本符合Beta分布,其概率密度函数如下:
上式中:Γ表示Gamma函数,r为当前光照强度,rmax为最大光照强度,α 和β是Beta分布的形状参数;
根据光照强度可以得出光伏在实际工作中的出力Ps如下式所示:
上式中:ηs为光电转换效率,S为光伏组件总受光面积,rc为阈值常数,r0为 额定光照强度,Pz为光伏额定功率;
(2)分布式电源风力发电模型参数
风力发电出力的多少与风机迎风风速v密切相关,通常在已知某高度处风速 大小的情况下用幂次定律对其他高度处风速进行估计,如下式所示:
v(h)=v(hb)·(h/hb)α
(3)
上式中:v(h)和v(hb)表示高度h和参考高度hb的风速;指数α是与地形类 型相关的经验系数;
采用目前广泛应用的威布尔Weibull分布模拟参考高度hb处风的随机波动。 其概率密度函数为:
上式中:k和c为Weibull分布中的形状参数和尺度参数;
根据上述公式得到的确定高度h处随机风速v(h),即可根据下式得出对应风 力发电机在实际工作过程中出力Pw,h的多少:
k2=-k1vi (7)
上式中:Pr为风机额定功率,vi、vr、vc分别为风机的切入风速、额定风速、 切出风速;
(3)楼宇负荷相关参数为:微网中居民楼数量,办公楼宇数量,商业区数 量,居民楼宇高度,办公楼宇高度,商业区顶部光伏铺设面积;
(4)电动汽车相关参数为:电池容量,百公里耗电量,电池荷电状态上限, 电池荷电状态下限,额定充电功率,额定放电功率,电池循环次数,电池价格。
而且,所述步骤3的具体步骤包括:
(1)建立外层优化模型目标函数:楼宇等效曲线整体峰谷差最小是衡量削 峰填谷能力的重要指标,设立如下目标函数:
式中,Pload表示楼宇基础负荷功率曲线;P分布式电源表示楼宇分布式电源出力 曲线;PEV表示接入楼宇的电动汽车充放电功率曲线。
(2)约束条件:
①同一时刻功率平衡约束:
Pload(t)=PDG(t)+PEV(t)+Pgrid(t) (9)
式中Pgrid(t)表示t时刻表示电网与楼宇间传输功率;
②分布式电源出力约束:
式中P分布式电源max为分布式电源接入楼宇后的最大出力;为方便后续主要问题 的分析,这里假定分布式电源与楼宇没有无功功率交换的运行情况,因此Q分布式电源为0;
③电动汽车电池约束:
SOCi(t+1)=(SOCi(t)-PEV,i(t)Δt)/E (11)
SOCmin≤SOC(t)≤SOCmax (12)
SOCi(tend)≤SOCi(t)≤SOCmax (13)
上式中,SOCmin、SOCmax分别是电动汽车电池荷电状态SOC的下限和上限; SOCi(t)表示第i辆电动汽车t时刻的SOC;PEV,i(t)表示第i辆电动汽车t时刻的充 放电功率;SOCi(tend)表示第i辆电动汽车充电结束时的最低SOC;E表示电动 汽车的电池容量;
(3)采用截线面积法确定削峰填谷方案,使得楼宇负荷曲线峰谷差率最小: 考虑楼宇内最后一辆电动汽车到达至最先一辆电动汽车离开的时段为研究对象, 其余时段所停电动汽车均保持闲置状态;
在此时段内,对包含楼宇负荷与相应分布式电源出力的等效负荷曲线,取与 时间轴平行的水平线p=pD从曲线最高点pmax开始下移,其将等效曲线负荷分为 上下两部分,此条线上部的负荷即为要削去的负荷,对应此部分面积即为需要电 动汽车群放电的能量ED:
式中,P是楼宇等效负荷曲线,tstart是该楼宇内最后一辆电动汽车到达时间, tend是该楼宇内第一辆电动汽车离开时间;
同理,取与时间轴平行的水平线p=pC从曲线最低点pmin开始下移,此条线 下部的负荷即为要填补的负荷,对应此部分面积即为需要电动汽车群放电的能量 EC:
削峰填谷后等效负荷曲线的峰谷差优化目标可以简化为:
同时电动汽车自身的充电需求仍旧是需要满足的,因此填谷的能量应比削峰 的能量多,多的部分能量就是充入电池中的,我们用下式表示:
ΔE=EC-ED=N*(SOCavg,end-SOCavg,start) (17)
式中,N为楼宇内电动汽车总数量,SOCavg,start为楼宇内电动汽车到达时平 均剩余SOC,SOCavg,end为楼宇内电动汽车离开时平均剩余SOC;
而且,所述步骤4的具体步骤包括:
(1)建立内层优化模型目标函数:只考虑其在参与优化过程中需支出的费用 及收益情况:主要由向电网购电的成本fgrid,向电动汽车用户参与楼宇互动模式 放电支付的费用fEVD以及电动汽车充电收益fEVC三部分组成;设立如下目标函 数:
min F2=fgrid+fEVD-fEVC (18)
其中:
式中,Pload(t)表示t时刻楼宇基础负荷功率;P分布式电源(t)表示t时刻楼宇分布 式电源出力大小;PEV,i(t)表示t时刻第i辆接入楼宇的电动汽车充放电功率,其 中正值表示充电,负值表示放电;e(t)表示t时刻分时电价;CB表示电动汽车电 池价格,cyc表示电动汽车电池充放电最大循环次数,E表示电池容量;α表示 负荷聚合商吸引电动汽车用户参与楼宇互动的充电补贴系数;
(2)对于楼宇能源系统所控制的电动汽车群来说,确定接入后每个时段内 分别参与充电、放电、闲置的车辆状态,即可得到对应的充放电管理策略,用下 式表示:
PEV(t)=PN ch*nC(t)+PN dch*nD(t)+σ (22)
式中,PEV(t)表示楼宇内电动汽车t时刻总充放电功率,数值为正表示充电, 为负表示放电。PN ch表示电动汽车充电功率,PN dch表示电动汽车放电功率,σ表 示总充放电功率安排与具体充放电功率间允许存在的误差,这里|σ|≤3kW;nC(t)、 nU(t)、nD(t)分别是t时段中正在充电、闲置和放电的电动汽车数量,同时应有如 下约束条件:
一种面向楼宇负荷聚合商的电动汽车典型日充放电策略优化装置,包括获取 参数模块、获取曲线数据模块、外层求解模块、内层求解模块和输出模块;
所述获取参数模块,用于输入分布式电源、楼宇负荷、电动汽车相关参数;
所述获取曲线数据模块,用于输入分布式电源出力、楼宇负荷典型日内各时 段数据,获取电动汽车出行数据;
所述外层求解模块,用于在约束条件下,确定楼宇互动时段的电动汽车削峰 填谷总体充放电功率安排;
所述内层求解模块,用于以负荷聚合商支付费用最小为目标函数进行优化, 并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置;
所述输出模块,用于输出面向楼宇负荷聚合商的电动汽车典型日充放电策 略。
本发明的优点和有益效果:
本发明提供的一种面向楼宇负荷聚合商的电动汽车典型日充放 电方法及装置,能够获取分布式电源、楼宇负荷、电动汽车相关参数 与分布式电源出力、楼宇负荷典型日内各时段数据,获取电动汽车出 行数据,并在约束条件下求解外层楼宇负荷峰谷差优化模型与内层负 荷聚合商支付费用最小为优化模型,最终输出输出电动汽车参与楼宇 互动前后楼宇等效负荷曲线,并给出楼宇互动前后等效曲线峰谷差比 较;同时输出电动汽车参与楼宇互动具体充放电策略及典型日内楼宇 互动前后楼宇负荷聚合商总支出比较。楼宇负荷聚合商作为市场与用 户的中间方参与电力市场交易,可以有效整合电动汽车等分散型资源, 使其达到参与市场调节的容量门槛,通过对电动汽车群的充放电控制 来实现改善等效负荷曲线并实现盈利。
附图说明
图1是本发明的处理流程图;
图2是本发明的工作原理图;
图3是本发明的面向楼宇负荷聚合商的电动汽车充放电装置的 结构示意图;
图4是本发明的典型日内分布式电源出力曲线图;
图5是本发明的典型日内楼宇负荷曲线图;
图6(a)-(d)是本发明的典型日内电动汽车参与V2B前后楼 宇等效负荷曲线及电动汽车数量变化情况图;
图7(a)-(d)是本发明的电动汽车参与V2B前后楼宇等效负 荷曲线图;
图8(a)-(d)是本发明的电动汽车参与V2B具体充放电策略 示意图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,如图1和图2所 示,包括以下步骤:
步骤1,获取分布式电源、楼宇负荷、电动汽车相关参数:
所述步骤1的具体方法是:根据系统内分布式电源、楼宇负荷以及电动汽车 特性建立各自对应模型,获取相关参数:
(1)分布式电源光伏发电模型参数
光照强度的变化基本符合Beta分布,其概率密度函数如下:
上式中:Γ表示Gamma函数,r为当前光照强度,rmax为最大光照强度,α 和β是Beta分布的形状参数;
根据光照强度可以得出光伏在实际工作中的出力Ps如下式所示:
上式中:ηs为光电转换效率,S为光伏组件总受光面积,rc为阈值常数,r0为 额定光照强度,Pz为光伏额定功率;
(2)分布式电源风力发电模型参数
风力发电出力的多少与风机迎风风速v密切相关,通常在已知某高度处风速 大小的情况下用幂次定律对其他高度处风速进行估计,如下式所示:
v(h)=v(hb)·(h/hb)α
(3)
上式中:v(h)和v(hb)表示高度h和参考高度hb的风速;指数α是与地形类 型相关的经验系数,对于城市区域的高层楼宇,通常取α=0.41。
采用目前广泛应用的威布尔(Weibull)分布模拟参考高度hb处风的随机波 动。其概率密度函数为:
上式中:k和c为Weibull分布中的形状参数和尺度参数。
根据上述公式得到的确定高度h处随机风速v(h),即可根据式(5)得出对 应风力发电机在实际工作过程中出力Pw,h的多少:
k2=-k1vi (7)
上式中:Pr为风机额定功率,vi、vr、vc分别为风机的切入风速、额定风速、 切出风速;
(3)楼宇负荷相关参数为:微网中居民楼数量,办公楼宇数量,商业区数 量,居民楼宇高度,办公楼宇高度,商业区顶部光伏铺设面积;
(4)电动汽车相关参数为:电池容量,百公里耗电量,电池荷电状态上限, 电池荷电状态下限,额定充电功率,额定放电功率,电池循环次数,电池价格;
步骤2,获取分布式电源出力、楼宇负荷典型日内各时段数据,获取电动汽 车出行数据;
在本实施例中,获取典型日分布式电源出力曲线,典型日楼宇负荷曲线, 及电动汽车出行数据。
步骤3,对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行 削峰填谷,并判断是否符合约束条件,若符合,则得出最小峰谷差下的楼宇电动 汽车总充放电功率安排;若不符合,则用截线面积法重新削峰填谷;
所述步骤3的具体步骤包括:
(1)建立外层优化模型目标函数:楼宇等效曲线整体峰谷差最小是衡量削 峰填谷能力的重要指标,设立如下目标函数:
式中,Pload表示楼宇基础负荷功率曲线;P分布式电源表示楼宇分布式电源出力 曲线;PEV表示接入楼宇的电动汽车充放电功率曲线。
(2)约束条件:
①同一时刻功率平衡约束:
Pload(t)=PDG(t)+PEV(t)+Pgrid(t) (9)
式中Pgrid(t)表示t时刻表示电网与楼宇间传输功率;
②分布式电源出力约束:
受自然环境、设备运行限制等条件约束,分布式电源的最大出力是一定的。 可将分布式电源出力的约束表示如下:
式中P分布式电源max为分布式电源接入楼宇后的最大出力;为方便后续主要问题 的分析,这里假定分布式电源与楼宇没有无功功率交换的运行情况,因此Q分布式电源为0;
③电动汽车电池约束:
SOCi(t+1)=(SOCi(t)-PEV,i(t)Δt)/E (11)
SOCmin≤SOC(t)≤SOCmax (12)
SOCi(tend)≤SOCi(t)≤SOCmax (13)
上式中,SOCmin、SOCmax分别是电动汽车电池荷电状态SOC的下限和上限; SOCi(t)表示第i辆电动汽车t时刻的SOC;PEV,i(t)表示第i辆电动汽车t时刻的充 放电功率;SOCi(tend)表示第i辆电动汽车充电结束时的最低SOC;E表示电动 汽车的电池容量;
(3)采用截线面积法确定削峰填谷方案,使得楼宇负荷曲线峰谷差率最小: 考虑楼宇内最后一辆电动汽车到达至最先一辆电动汽车离开的时段为研究对象, 其余时段所停电动汽车均保持闲置状态;
在此时段内,对包含楼宇负荷与相应分布式电源出力的等效负荷曲线,取与 时间轴平行的水平线p=pD从曲线最高点pmax开始下移,其将等效曲线负荷分为 上下两部分,此条线上部的负荷即为要削去的负荷,对应此部分面积即为需要电 动汽车群放电的能量ED:
式中,P是楼宇等效负荷曲线,tstart是该楼宇内最后一辆电动汽车到达时间, tend是该楼宇内第一辆电动汽车离开时间;
同理,取与时间轴平行的水平线p=pC从曲线最低点pmin开始下移,此条线 下部的负荷即为要填补的负荷,对应此部分面积即为需要电动汽车群放电的能量 EC:
削峰填谷后等效负荷曲线的峰谷差优化目标可以简化为:
同时电动汽车自身的充电需求仍旧是需要满足的,因此填谷的能量应比削峰 的能量多,多的部分能量就是充入电池中的,我们用下式表示:
ΔE=EC-ED=N*(SOCavg,end-SOCavg,start) (17)
式中,N为楼宇内电动汽车总数量,SOCavg,start为楼宇内电动汽车到达时平 均剩余SOC,SOCavg,end为楼宇内电动汽车离开时平均剩余SOC。
联立上述等式,即可确定楼宇内确定时段的电动汽车削峰填谷总体充放电功 率安排。
步骤4,在电动汽车参与楼宇互动的时段内,以负荷聚合商支付费用最小为 目标函数进行优化,并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体 充放电车辆配置:
所述步骤4的具体方法是:
(1)建立内层优化模型目标函数:作为简化,只考虑其在参与优化过程中需 支出的费用及收益情况:主要由向电网购电的成本fgrid,向电动汽车用户参与楼 宇互动模式放电支付的费用fEVD以及电动汽车充电收益fEVC三部分组成;这三 部分总体的费用最小化即代表楼宇负荷聚合商所得利益最大化,设立如下目标函 数:
min F2=fgrid+fEVD-fEVC (18)
其中:
式中,Pload(t)表示t时刻楼宇基础负荷功率;P分布式电源(t)表示t时刻楼宇分布 式电源出力大小;PEV,i(t)表示t时刻第i辆接入楼宇的电动汽车充放电功率,其 中正值表示充电,负值表示放电;e(t)表示t时刻分时电价;CB表示电动汽车电 池价格,cyc表示电动汽车电池充放电最大循环次数,E表示电池容量;α表示 负荷聚合商吸引电动汽车用户参与楼宇互动的充电补贴系数,本发明取α=0.9。 上述计算均发生在电动汽车参与楼宇楼宇互动时间段内。
(2)对于楼宇能源系统所控制的电动汽车群来说,确定接入后每个时段内 分别参与充电、放电、闲置的车辆状态,即可得到对应的充放电管理策略,用下 式表示:
PEV(t)=PN ch*nC(t)+PN dch*nD(t)+σ (22)
式中,PEV(t)表示楼宇内电动汽车t时刻总充放电功率,数值为正表示充电, 为负表示放电。PN ch表示电动汽车充电功率,PN dch表示电动汽车放电功率,σ表 示总充放电功率安排与具体充放电功率间允许存在的误差,这里|σ|≤3kW;nC(t)、 nU(t)、nD(t)分别是t时段中正在充电、闲置和放电的电动汽车数量,同时应有如 下约束条件:
可以发现,一组[nC(t),nU(t),nD(t)]对应着t时刻的固定总充放电功率,但同 一总充放电功率可以对应不同的[nC(t),nU(t),nD(t)]组合。因此,我们根据上一节 中内层优化的经济性最优的目标函数寻求最优[nC(t),nU(t),nD(t)]组合,得到的 每个时段组合联合起来就是具体的充放电策略。
下面以某地区代表性楼宇为研究对象,包括2个居民楼宇,1个办公楼宇以 及1个商业区,对本发明的一种面向楼宇负荷聚合商的电动汽车典型日充放电策 略方法作进一步详细说明:
步骤1,获取分布式电源、楼宇负荷、电动汽车相关参数:
根据系统内分布式电源、楼宇负荷以及电动汽车特性建立各自对应模型,获 取相关参数。
在本算例当中,给定时段间隔为15min,故一天内共有96个时段。根据该 地区历史数据,得出在高度hb=10m处风速的Weibull分布模型的形状参数和尺 度参数为k=9.82,c=2.04;光照强度的Beta分布模型的二参数分别为α=2.27, β=2.1。由于该系统规模较小,因此假定各节点的风速与光照强度基本相同。楼顶 风力发电机的切入风速为3m/s,额定风速为15m/s,切出风速为50m/s,同时居 民楼宇的高度约为70m,办公楼宇的高度约100m。商业区顶部铺设光伏的光电 转换效率为0.3,铺设面积约1000m2。
电动汽车相关参数如下表:
表1电动汽车参数
步骤2,获取分布式电源出力、楼宇负荷典型日内各时段数据,获取电动汽 车出行数据:
获取典型日分布式电源出力曲线,典型日楼宇负荷曲线,及电动汽车出行数 据,如图4的典型日分布式电源出力曲线图和图5的典型日楼宇负荷曲线图所 示;
电动汽车出行数据:
表2电动汽车用户居住、工作分布情况
表3各楼宇间驾驶时间分布单位:小时
步骤3、对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行 削峰填谷,并判断是否符合约束条件,若符合,则得出最小峰谷差下的楼宇电动 汽车总充放电功率安排;若不符合,则用截线面积法重新削峰填谷:
电动汽车在各类型楼宇内数量变化情况如图6(a)-图6(d)所示。
最小峰谷差下的楼宇电动汽车总充放电功率安排,如图7(a)-7(d)所示。
楼宇互动前后峰谷差比较如下表所示:
表4楼宇互动前后等效曲线峰谷差比较
步骤4,在电动汽车参与楼宇互动的时段内,以负荷聚合商支付费用最小 为目标函数进行优化,并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内 具体充放电车辆配置,如图8(a)-图8(d)所示。
楼宇互动前后负荷聚合商支付费用比较如下表所示:
表5楼宇互动前后楼宇负荷聚合商总支出比较
与上述方法相对应,本发明还提供了一种面向楼宇负荷聚合商的电动汽车典 型日充放电策略优化装置,如图3所示,包括:获取参数模块201、获取曲线数 据模块202、外层求解模块203、内层求解模块204和输出模块205;
获取参数模块201,用于输入分布式电源、楼宇负荷、电动汽车相关参数;
获取曲线数据模块202,用于输入分布式电源出力、楼宇负荷典型日内各时 段数据,获取电动汽车出行数据;
外层求解模块203,用于在约束条件下,确定楼宇互动时段的电动汽车削峰 填谷总体充放电功率安排。
内层求解模块204,用于以负荷聚合商支付费用最小为目标函数进行优化, 并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置。
输出模块205,用于输出面向楼宇负荷聚合商的电动汽车典型日充放电策略。
本发明实施例提供的一种面向楼宇负荷聚合商的电动汽车典型日充放电策 略优化装置,能够获取分布式电源、楼宇负荷、电动汽车相关参数与分布式电源 出力、楼宇负荷典型日内各时段数据,获取电动汽车出行数据,并在约束条件下 求解外层楼宇负荷峰谷差优化模型与内层负荷聚合商支付费用最小为优化模型, 最终输出电动汽车参与楼宇互动前后楼宇等效负荷曲线,并给出楼宇互动前后等 效曲线峰谷差比较;同时输出电动汽车参与楼宇互动具体充放电策略及典型日内 楼宇互动前后楼宇负荷聚合商总支出比较。楼宇负荷聚合商作为市场与用户的中 间方参与电力市场交易,可以有效整合电动汽车等分散型资源,使其达到参与市 场调节的容量门槛,通过对电动汽车群的充放电控制来实现改善等效负荷曲线并 实现盈利。
在上述实施例提供的一种面向楼宇负荷聚合商的电动汽车典型日充放电策 略优化装置,外层求解模块,具体用于接收获取参数模块与获取曲线数据模块的 数据信息,并在约束条件之下,求解以减小峰谷差为目标函数的外层优化模型, 若所得结果满足约束条件,则输出楼宇互动时段的电动汽车削峰填谷总体充放电 功率安排;若所得结果不满足约束条件,则继续用截线面积法求解,直到满足约 束条件为止。
进一步地,外层求解模块包括:目标函数子模块,约束条件子模块,计算子 模块,判断子模块,外层结果输出子模块。
目标函数子模块,用于确定减少峰谷差的目标函数。
约束条件子模块,用于获取分布式电源,负荷及电动汽车的约束条件。
计算子模块,用于计算最小峰谷差下的楼宇电动汽车总充放电功率安排。
判断子模块,用于判断当前情况的最小峰谷差下的楼宇电动汽车总充放电功 率安排是否满足约束条件,若满足则输出结果,若不满足则重新计算。
外层结果输出子模块,用于输出最小峰谷差下的楼宇电动汽车总充放电功率 安排。
在上述实施例提供的一种面向楼宇负荷聚合商的电动汽车典型日充放电策 略优化装置,内层求解模块,具体用于接收获取参数模块与获取曲线数据模块的 数据信息,并在外层求解模块得出的电动汽车削峰填谷总体充放电功率安排前提 下,以负荷聚合商支付费用最小为目标函数进行优化,并调用CPLEX求解电动 汽车参与楼宇互动时段楼宇内具体充放电车辆配置。
进一步地,内层求解模块包括:目标函数子模块,约束条件子模块,计算子 模块,判断子模块,内层结果输出子模块。
目标函数子模块,用于确定负荷聚合商支付费用最小的目标函数。
约束条件子模块,用于获取分布式电源,负荷及电动汽车的约束条件。
计算子模块,用于计算求解电动汽车参与楼宇互动时段楼宇内具体充放电车 辆配置。
判断子模块,用于判断楼宇互动时间是否结束,若未结束,则进行下一时间 的优化配置,若结束,则输出结果。
内层结果输出子模块,用于输出电动汽车参与楼宇互动时段楼宇内具体充放 电车辆配置。
在上述实施例提供的一种面向楼宇负荷聚合商的电动汽车典型日充放电策 略优化装置,输出模块,具体用于外层求解模块与内层求解模块都满足约束条件 后,输出电动汽车参与楼宇互动前后楼宇等效负荷曲线,并给出楼宇互动前后等 效曲线峰谷差比较;同时输出电动汽车参与楼宇互动具体充放电策略及典型日内 楼宇互动前后楼宇负荷聚合商总支出比较。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与 其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法、装置和设备,可 以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如, 所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式, 例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略, 或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以 是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其 它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单 元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可 以分布到多个网络单元.上。可以根据实际的需要选择其中的部分或者全部单元 来实现本实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集 成在-一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以, 上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时, 可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案 本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产 品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以 使得-一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明 各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬 盘、只读存储器(ROM,Read-0nlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发 明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本 文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施 例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本 文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,其特征在于:包括以下步骤:
步骤1、获取分布式电源、楼宇负荷、电动汽车相关参数;
步骤2、获取分布式电源出力、楼宇负荷典型日内各时段数据,获取电动汽车出行数据;
步骤3、对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行削峰填谷,并判断是否符合约束条件,若符合,则得出最小峰谷差下的楼宇电动汽车总充放电功率安排;若不符合,则用截线面积法重新削峰填谷;
步骤4、在电动汽车参与楼宇互动的时段内,以负荷聚合商支付费用最小为目标函数进行优化,并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置。
2.根据权利要求1所述的一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,其特征在于:所述步骤1的具体方法是:根据系统内分布式电源、楼宇负荷以及电动汽车特性建立各自对应模型,获取相关参数:
(1)分布式电源光伏发电模型参数
光照强度的变化基本符合Beta分布,其概率密度函数如下:
上式中:Γ表示Gamma函数,r为当前光照强度,rmax为最大光照强度,α和β是Beta分布的形状参数;
根据光照强度可以得出光伏在实际工作中的出力Ps如下式所示:
上式中:ηs为光电转换效率,S为光伏组件总受光面积,rc为阈值常数,r0为额定光照强度,Pz为光伏额定功率;
(2)分布式电源风力发电模型参数
风力发电出力的多少与风机迎风风速v密切相关,通常在已知某高度处风速大小的情况下用幂次定律对其他高度处风速进行估计,如下式所示:
v(h)=v(hb)·(h/hb)α
上式中:v(h)和v(hb)表示高度h和参考高度hb的风速;指数α是与地形类型相关的经验系数;
采用目前广泛应用的威布尔Weibull分布模拟参考高度hb处风的随机波动;其概率密度函数为:
上式中:k和c为Weibull分布中的形状参数和尺度参数;
根据上述公式得到的确定高度h处随机风速v(h),即可根据下式得出对应风力发电机在实际工作过程中出力Pw,h的多少:
k2=-k1vi
上式中:Pr为风机额定功率,vi、vr、vc分别为风机的切入风速、额定风速、切出风速;
(3)楼宇负荷相关参数为:微网中居民楼数量,办公楼宇数量,商业区数量,居民楼宇高度,办公楼宇高度,商业区顶部光伏铺设面积;
(4)电动汽车相关参数为:电池容量,百公里耗电量,电池荷电状态上限,电池荷电状态下限,额定充电功率,额定放电功率,电池循环次数,电池价格。
3.根据权利要求1所述的一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,其特征在于:所述步骤3的具体步骤包括:
(1)建立外层优化模型目标函数:楼宇等效曲线整体峰谷差最小是衡量削峰填谷能力的重要指标,设立如下目标函数:
式中,Pload表示楼宇基础负荷功率曲线;P分布式电源表示楼宇分布式电源出力曲线;PEV表示接入楼宇的电动汽车充放电功率曲线;
(2)约束条件:
①同一时刻功率平衡约束:
Pload(t)=PDG(t)+PEV(t)+Pgrid(t)
式中Pgrid(t)表示t时刻表示电网与楼宇间传输功率;
②分布式电源出力约束:
式中P分布式电源max为分布式电源接入楼宇后的最大出力;为方便后续主要问题的分析,这里假定分布式电源与楼宇没有无功功率交换的运行情况,因此Q分布式电源为0;
③电动汽车电池约束:
SOCi(t+1)=(SOCi(t)-PEV,i(t)Δt)/E
SOCmin≤SOC(t)≤SOCmax
SOCi(tend)≤SOCi(t)≤SOCmax
上式中,SOCmin、SOCmax分别是电动汽车电池荷电状态SOC的下限和上限;SOCi(t)表示第i辆电动汽车t时刻的SOC;PEV,i(t)表示第i辆电动汽车t时刻的充放电功率;SOCi(tend)表示第i辆电动汽车充电结束时的最低SOC;E表示电动汽车的电池容量;
(3)采用截线面积法确定削峰填谷方案,使得楼宇负荷曲线峰谷差率最小:考虑楼宇内最后一辆电动汽车到达至最先一辆电动汽车离开的时段为研究对象,其余时段所停电动汽车均保持闲置状态;
在此时段内,对包含楼宇负荷与相应分布式电源出力的等效负荷曲线,取与时间轴平行的水平线p=pD从曲线最高点pmax开始下移,其将等效曲线负荷分为上下两部分,此条线上部的负荷即为要削去的负荷,对应此部分面积即为需要电动汽车群放电的能量ED:
式中,P是楼宇等效负荷曲线,tstart是该楼宇内最后一辆电动汽车到达时间,tend是该楼宇内第一辆电动汽车离开时间;
同理,取与时间轴平行的水平线p=pC从曲线最低点pmin开始下移,此条线下部的负荷即为要填补的负荷,对应此部分面积即为需要电动汽车群放电的能量EC:
削峰填谷后等效负荷曲线的峰谷差优化目标可以简化为:
同时电动汽车自身的充电需求仍旧是需要满足的,因此填谷的能量应比削峰的能量多,多的部分能量就是充入电池中的,我们用下式表示:
ΔE=EC-ED=N*(SOCavg,end-SOCavg,start)
式中,N为楼宇内电动汽车总数量,SOCavg,start为楼宇内电动汽车到达时平均剩余SOC,SOCavg,end为楼宇内电动汽车离开时平均剩余SOC。
4.根据权利要求1所述的一种面向楼宇负荷聚合商的电动汽车典型日充放电方法,其特征在于:所述步骤4的具体步骤包括:
(1)建立内层优化模型目标函数:只考虑其在参与优化过程中需支出的费用及收益情况:主要由向电网购电的成本fgrid,向电动汽车用户参与楼宇互动模式放电支付的费用fEVD以及电动汽车充电收益fEVC三部分组成;设立如下目标函数:
min F2=fgrid+fEVD-fEVC
其中:
式中,Pload(t)表示t时刻楼宇基础负荷功率;P分布式电源(t)表示t时刻楼宇分布式电源出力大小;PEV,i(t)表示t时刻第i辆接入楼宇的电动汽车充放电功率,其中正值表示充电,负值表示放电;e(t)表示t时刻分时电价;CB表示电动汽车电池价格,cyc表示电动汽车电池充放电最大循环次数,E表示电池容量;α表示负荷聚合商吸引电动汽车用户参与楼宇互动的充电补贴系数;
(2)对于楼宇能源系统所控制的电动汽车群来说,确定接入后每个时段内分别参与充电、放电、闲置的车辆状态,即可得到对应的充放电管理策略,用下式表示:
PEV(t)=PN ch*nC(t)+PN dch*nD(t)+σ
式中,PEV(t)表示楼宇内电动汽车t时刻总充放电功率,数值为正表示充电,为负表示放电;PN ch表示电动汽车充电功率,PN dch表示电动汽车放电功率,σ表示总充放电功率安排与具体充放电功率间允许存在的误差,这里|σ|≤3kW;nC(t)、nU(t)、nD(t)分别是t时段中正在充电、闲置和放电的电动汽车数量,同时应有如下约束条件:
5.如权利要求1至4任一项权利要求所述的一种面向楼宇负荷聚合商的电动汽车典型日充放电策略优化装置,包括获取参数模块、获取曲线数据模块、外层求解模块、内层求解模块和输出模块;
所述获取参数模块,用于输入分布式电源、楼宇负荷、电动汽车相关参数;
所述获取曲线数据模块,用于输入分布式电源出力、楼宇负荷典型日内各时段数据,获取电动汽车出行数据;
所述外层求解模块,用于在约束条件下,确定楼宇互动时段的电动汽车削峰填谷总体充放电功率安排;
所述内层求解模块,用于以负荷聚合商支付费用最小为目标函数进行优化,并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置;所述输出模块,用于输出面向楼宇负荷聚合商的电动汽车典型日充放电策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811645079.8A CN109823228B (zh) | 2018-12-29 | 2018-12-29 | 面向楼宇负荷聚合商的电动汽车充放电方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811645079.8A CN109823228B (zh) | 2018-12-29 | 2018-12-29 | 面向楼宇负荷聚合商的电动汽车充放电方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109823228A true CN109823228A (zh) | 2019-05-31 |
CN109823228B CN109823228B (zh) | 2023-05-23 |
Family
ID=66860662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811645079.8A Active CN109823228B (zh) | 2018-12-29 | 2018-12-29 | 面向楼宇负荷聚合商的电动汽车充放电方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109823228B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022193396A1 (zh) * | 2021-03-17 | 2022-09-22 | 山东建筑大学 | 基于人工智能充电桩的负荷响应调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2648972A1 (en) * | 2007-12-24 | 2009-06-24 | Yaron Mayer | System and method for improved electric cars and/or electric car batteries and/or improved infrastructures for recharging electric cars |
CN104701931A (zh) * | 2015-04-18 | 2015-06-10 | 国家电网公司 | 一种规模化电动汽车的可放电容量评估方法 |
CN105870950A (zh) * | 2016-05-05 | 2016-08-17 | 国家电网公司 | 一种智能楼宇可调资源多目标协调系统及优化控制方法 |
CN106655243A (zh) * | 2016-08-12 | 2017-05-10 | 浙江工业大学 | 以维持微电网供需平衡为目的的电动汽车自动需求响应方法 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
-
2018
- 2018-12-29 CN CN201811645079.8A patent/CN109823228B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2648972A1 (en) * | 2007-12-24 | 2009-06-24 | Yaron Mayer | System and method for improved electric cars and/or electric car batteries and/or improved infrastructures for recharging electric cars |
CN104701931A (zh) * | 2015-04-18 | 2015-06-10 | 国家电网公司 | 一种规模化电动汽车的可放电容量评估方法 |
CN105870950A (zh) * | 2016-05-05 | 2016-08-17 | 国家电网公司 | 一种智能楼宇可调资源多目标协调系统及优化控制方法 |
CN106655243A (zh) * | 2016-08-12 | 2017-05-10 | 浙江工业大学 | 以维持微电网供需平衡为目的的电动汽车自动需求响应方法 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022193396A1 (zh) * | 2021-03-17 | 2022-09-22 | 山东建筑大学 | 基于人工智能充电桩的负荷响应调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109823228B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109599856B (zh) | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 | |
Meng et al. | Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system | |
CN110661246B (zh) | 一种城市轨道交通光伏储能系统的容量优化配置方法 | |
CN109888806B (zh) | 一种含电动汽车的微电网储能优化配置方法 | |
CN109146201A (zh) | 基于合作博弈的充换储一体化电站微电网优化调度方法 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN110311396A (zh) | 一种交直流混合微电网混合储能容量优化配置方法 | |
CN109409615A (zh) | 基于非合作博弈的充换储一体化电站微电网优化调度方法 | |
CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
CN105896578B (zh) | 一种用于风光储联合发电系统的随机生产模拟方法 | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
CN109710882A (zh) | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 | |
CN110365034A (zh) | 一种计及储能容量配置的微电网电能优化调度方法 | |
CN107591833A (zh) | 一种计及不同运行策略的微网可靠性评估方法 | |
CN111030101B (zh) | 一种基于多元化大数据清洁能源消纳联动调控方法及系统 | |
CN115829224A (zh) | 电动汽车集群可调度能力的多主体两阶段低碳优化运行方法 | |
CN107732937A (zh) | 含风‑光‑储‑电动汽车的并网型微网的削峰填谷方法 | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
Fu et al. | Research on the stackelberg game method of building micro-grid with electric vehicles | |
CN109823228A (zh) | 面向楼宇负荷聚合商的电动汽车充放电方法及装置 | |
CN108764554A (zh) | 一种引导电动汽车有序充电的鲁棒优化方法 | |
CN105119315B (zh) | 一种基于能效最大化的储能变流器组合优化方法 | |
CN107591794A (zh) | 基于负荷分类的主动配电网源‑储容量优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |